GeoSceneGeoAI智能地理感知技术最新进展及应用场景探索-黄先梅-对外版.pdf

《GeoSceneGeoAI智能地理感知技术最新进展及应用场景探索-黄先梅-对外版.pdf》由会员分享，可在线阅读，更多相关《GeoSceneGeoAI智能地理感知技术最新进展及应用场景探索-黄先梅-对外版.pdf（62页珍藏版）》请在三个皮匠报告上搜索。

1、GeoSceneGeoScene 时空大数据与人工智能GeoScene GeoAI 智能地理感知技术最新进展及应用场景探索易智瑞信息技术有限公司黄先梅目录CONTENTSGeoScene GeoAI 新特性01GeoScene GeoAI 应用案例0504GeoAI 国产化生态深度融合GeoAI 分析挖掘能力02GeoAI 智能感知能力0301 GeoScene GeoAI 新特性GeoScene GeoAI 分析挖掘能力，高级分析+机器学习回归分类聚类工作方式高级分析随机森林支持向量机最大似然分类图像分割AutoML多元聚类空间约束多元聚类热点分析聚类和异常值分析基于密度的聚类时空挖掘分析G

2、P工具Model BuilderPython因果推断分析时空核密度分析时间序列互相关分析太阳辐射分析EBK回归预测面插值（2D和3D）普通最小二乘回归元胞自动机地理加权回归经验贝叶斯克里金多尺度地理加权回归广义线性回归时间序列-基于森林的预测地理探测器Plus30+挖掘分析算法一键导出 一体化的标注管理、导出工具 支持样本增强 支持多种通用样本格式、变化检测样本 AI辅助标注（支持中文）样本制作丰富模型 共40+个模型 SAMLoRA影像分类模型 时序预测模型 点云目标检测模型 AutoDL工具 桌面端多GPU训练支持模型训练高效推理 提供多种推理工具，支持场景实现 支持服务器端分布式推理 即

3、用的在线推理 桌面端多GPU推理支持推理丰富工具 提供近2000个工具 栅格、矢量等数据处理后处理个人用户企业级用户GeoScene ProEnterprise+Image Server DeepLearning Studio JavaScript SDK英伟达GPU、曙光DCU、华为NPU、寒武纪MLU遥感影像栅格图像目标检测像素分类变化检测道路提取实例分割点云分类点云视频自然语言文本动态目标识别与追踪命名实体识别序列到序列文本分类时间序列预测时间序列预测时序影像分类点云目标检测GeoScene GeoAI 智能感知能力，即用工作流GeoScene 6.1 GeoAI 新特性 PLUS模型优

4、势：PLUS模型可以获得更高的仿真精度和更相似的景观1更好的挖掘各类土地利用变化的诱因更好的模拟多类土地利用斑块级演变更好的支持可持续发展规划政策23基于土地扩张分析策略的转化规则挖掘框架（LEAS）基于多类型随机斑块种子机制的的CA模型（CARS）与多目标优化算法（MOP）耦合PLUS模型是由中国地质大学（武汉）地理与信息工程学院高性能空间计算智能实验室开发，是一个基于栅格数据的可用于斑块尺度土地利用/土地覆盖(LULC)变化模拟的元胞自动机(CA)模型。该模型很大程度上弥补了已有的CA模型如CA-Markov、FLUS、CLUE-S等在转化规则挖掘策略和景观动态变化模拟策略两个方面的不足，

5、可以动态模拟多种土地利用类型的斑块级变化。新PLUS模型集成了基于土地扩张分析策略（LEAS）的规则挖掘框架和基于多类型随机斑块种子（CARS）的CA模型A.数据格式转换工具：用于将用户数据格式转换为模型支持的标准格式B.提取土地扩张工具：从两期土地利用利用数据提取土地扩张区域C.LEAS挖掘工具：用地扩张分析策略模块利用随机森林算法来探讨各土地利用类型的增长与多个驱动因素之间的关系输出各地类发展概率图集D.马尔科夫链预测工具：使用两期土地利用数据，采用马尔科夫链预测未来土地利用需求E.线性回归工具：使用多期土地利用数据，采用线性回归预测未来土地利用需求F.CARS模拟工具：使用将CA模型、随

6、机种子生成机制和阈值递减机制相结合模拟研究区未来土地利用数据G.精度验证工具：计算Kappa系数和FoM系数，用于评估模拟结果和实际土地利用分布之间的一致性H.场景多样性工具：用于提取不同场景之间变化的区域LEAS挖掘驱动因子CARS模拟模型实施随机森林分类地类扩张（2014-2024）地类发展概率图集CA模型多类型随机斑块种子阈值递减机制土地利用变迁模拟多期土地利用数据（2014/2024）提取土地扩张土地利用需求2034年土地利用需求2024年土地需求量2024模拟2024实际模型精度验证（Kappa系数和Fom指数）VS马尔可夫链预测线性回归预测多场景下2034年土地利用数据PLUS模型